arXiv · 机器人与计算机视觉· Ali SaraerToosi, Renbo Tu, Esther Y. H. Lin, Kamyar Azizzadenesheli, Aviad Levis·· 2026-10-19AI 评分75
NeuralDMD:一种基于稀疏和噪声测量的可解释动力学神经表示方法
NeuralDMD: Interpretable Neural Representation of Dynamics from Sparse and Noisy Measurements
AI 导读
论文提出了 NeuralDMD 框架,结合神经隐式表示与动态模态分解(DMD),无需训练即可从间接、稀疏且含噪的测量中直接重建连续时空动力学。该方法将 DMD 模式参数化为连续神经场,并施加低秩线性动力学先验以强制时间连续性,实现了在稀疏条件下的预测及可解释的模式与谱分析。
来源:arXiv · 机器人与计算机视觉 · arxiv.org